►►►
科研主題：NTU林教授1v1——
聯邦學習驅動的BERT模型在文字分類中的應用
隨著資料隱私保護需求的不斷提高，聯邦學習作為一種新興的分散式機器學習方法，逐漸受到學術界和工業界的廣泛關注。相比傳統的集中式學習，聯邦學習能夠在不共享原始資料的情況下，對分佈在不同裝置或位置的資料進行聯合建模。同時，BERT作為近年來在自然語言處理領域表現出色的預訓練模型，展示了其在文字分類等任務中的強大效能。
本專案旨在探索如何有效結合聯邦學習和BERT模型，以提升中文文字分類任務的效能。在此過程中，專案將致力於開發一套基於Flower框架的端到端解決方案，實現隱私保護與模型精度的雙重最佳化。本次科研將結合當前技術前沿以及學生的相關經歷和需求，展開1v1科研指導服務。此外，學生也可以定製其他專業的科研課題。
特邀
導師
指南者留學特邀導師：林教授
Assistant Professor at the College of CS & DS at NTU
我們的優勢
我們的名校科研
其他機構科研
教授1v1指導
10-20人班課
提供更個性化的科研教學指導
學生不容易得到個人化的關注
獨立一作論文
共同一作論文
讓學生全面地參與研究專案，從而獲得更多的學術成就和獨立思考的能力
導致學生的貢獻被稀釋，不容易凸顯個人能力
教授直接指導論文
教授不指導論文
直接從資深專家那裡獲取知識和經驗，有利於論文的高質量完成
缺乏專業指導，導致論文質量不高
Research論文論文Review論文強調實際研究和資料收集，更有容易在學術界得到認可更側重於理論分析而非實際研究，不容易得到學術認可
100%有推薦
不全都有推薦信
確保學生在留學申請時有強有力的推薦支持
缺乏推薦信會影響將來的留學申請
EDU郵箱推薦信
私人郵箱推薦
使用教育郵箱傳送的推薦信更具權威性
缺乏權威性，不容易被接受
教授進群隨時直接聯絡
只能在班課會議上溝通
便於即時解答疑問和及時獲取反饋
缺乏及時和個性化的反饋
華人教授漢語指導
英文授課聽不懂
使用漢語講授專業知識內容更容易消化理解
你將收穫
國際會議論文發表
適合人群
留學申請：計劃申請計算機科學/人工智慧/資料科學等相關專業的同學
提升背景：希望增加深度學術研究經歷，提升獨立研究能力的同學
鍛鍊技能：想要掌握人工智慧領域知識，包括Python、機器學習、論文撰寫等技能的同學
進度安排
階段1
科研專案匹配和準備期
· 週期：
1-4周
· 海外導師:
學生和導師雙向匹配
· 指南者老師:
進行前期技能、軟體等基礎能力培訓
階段2
科研專案正式週期
· 週期：
8周
· 海外導師：
每週遠端會議-科研推進-論文指導
· 指南者老師：
協助答疑和輔導
階段3
論文發表和網申
· 週期：
——
· 海外導師：
推薦信（官郵）+網推
· 指南者老師：
協助論文發表
掃描下方二維碼
諮詢報名科研專案